MétaCan
Menu
Retour à la cohorte
Enregistrement W2810226230 · doi:10.1109/uic-atc.2017.8397604

Dynamic distributed key infrastructures (DDKI) and dynamic identity verification and authentication (DIVA)

2017· article· en· W2810226230 sur OpenAlexaff
Andre Brisson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Data Security Solutions
Établissements canadiensA&L Canada Laboratories (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePublic key infrastructureComputer securityKey distributionAuthentication (law)Trusted ComputingTrusted Platform ModuleEncryptionKey exchangeKey managementKey (lock)Symmetric-key algorithmSingle point of failureImplicit certificatePublic-key cryptographyComputer network

Résumé

récupéré en direct d'OpenAlex

Crypto systems that trusted computing relies upon are comprised of three parts: key creation, key management and key distribution. Prior to the advent of communications important keys like your birth certificate were provided manually. PKI asymmetric systems became the prevalent architecture because a mechanism was provided that allowed the distribution of keys in large communication (encryption or authentication) platforms. The flaws of that architecture were more of a nuisance at that point when compared to the benefit and lack of alternatives. Now, the ability to break and steal keys is an existential threat to that framework. Distributed key systems (like one-time-pad enigma systems) languished because of the requirement for manual distribution of keys. That encumbrance for distributed, trusted cyber and trusted computing systems has been overcome. It is now simple, secure and online to create large, distributed authentication and encryption platforms that utilize one-time-pad distributed keys and where there is only partial disclosure of credentials. This paper examines the comparison of asymmetric PKI and symmetric DDKI (Dynamic Distributed Key Infrastructure) handshakes. This paper also examines how to initiate secure communications with an endpoint/device/person that does not yet have a key without having to manually distribute the initial key.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,005
Communication savante0,0060,015
Science ouverte0,0020,006
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,280
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Data Security SolutionsTravaux en français237 207